sno*_*kin 8 classification image-processing image-recognition computer-vision
鉴于所有图像都是从相同的角度拍摄,这意味着要识别的模式将是图像中识别图案(可能是文本,签名,徽标,不是面孔,物体,人等)的最佳方法始终以相同的角度可见,但不是位置/尺寸/质量/亮度等.
假设我有徽标,我想对1000张不同尺寸和质量的图像进行测试,并获得嵌入此图案的图像,或者至少很有可能嵌入此图案.
谢谢,
珀尔？由于您使用的是 Linux 平台，因此我建议将 OpenCV 与 python 或 C 一起使用。
您可以查看 SURF 和SIFT（解释了如何使用 OpenCV 和 C++ 执行此操作并附有代码），它们可以进行不错的模板匹配（徽标等）。
文本检测是另一回事，我建议使用边缘增强最大稳定极值区域的自然图像中的鲁棒文本检测论文，这是我所见过的最新论文，它可以从自然场景中进行鲁棒文本检测，而不会变得过于复杂。
尽管训练过程需要很长时间，但用预期模式训练神经网络似乎是最好的全面方法。但实际识别几乎是实时的。
以下是关于两个库中 MSER 实现的讨论：a) OpenCV，b) VLfeat
| 归档时间： |
|
| 查看次数： |
1967 次 |
| 最近记录： |